JS：在代码中查找正则表达式文字答案

【问题标题】：JS: finding regexp literals in codeJS：在代码中查找正则表达式文字
【发布时间】：2014-03-02 19:03:00
【问题描述】：

我正在解析一些 JavaScript 代码，需要获取其中的所有正则表达式。文字符号/\/(.(?:[^\/])|\\)+\/[gmi]*/gi 看起来不错，但在某些情况下它不能正常工作。

例如，对于这段代码：

html = html.replace(/\</g, '&lt;').replace(/\>/g, '&gt;').replace(/\&/g, '&amp;');

match() 给出了两个愚蠢的结果：/\</g, '&lt;' ).replace( / 和 /\&/g

我似乎无法让它工作。

【问题讨论】：

【解决方案1】：

你不会使用单个正则表达式来解决这个问题。您现在偶然发现了一个您的正则表达式没有正确处理的极端情况，但还有很多很多。当多行或单行注释中有一个开始的正则表达式文字时，或者当字符串文字内出现/ 时，您的正则表达式将中断。

唯一可靠地解决此问题的方法是解析 JavaScript，并检查解析器（或词法分析器）生成的令牌流。

user3371384 写道：

我不关心 cmets，因为我在获取正则表达式文字之前删除了它们，字符串也是如此。

不管怎样，还有更多的极端情况：

var e = 8, f = 4, g = 2;
// ...
var x = e/f/g; // your regex will match `/f/g` as a regex literal

user3371384 写道：

在许多代码解析器中使用相同的算法：找到斜线，然后找到下一个斜线（如果它之前没有反斜线），里面的所有字符都是正则表达式。

很可能是这样，但这是一个非常不准确的算法（正如您在上面给出的反例中所看到的那样）。还有速记 /= 可能会弄乱正则表达式。

无论如何，您似乎已经决定为此使用正则表达式...

您将. 放置在错误的位置：您只想匹配反斜杠之后的任何字符。试试这个：

/\/([^\/]|\\.)+\/[gmi]*/gi

【讨论】：

... 或任何正则表达式嵌套括号表示子正则表达式的地方。真正的重点是正则表达式的符号，它本身并不是正则的。相反，它是上下文无关的。 OP 正在尝试使用正则表达式识别上下文无关结构，但总是注定要失败。是的，他需要一个真正的解析器。
我不关心 cmets，因为我在获取正则表达式文字之前删除了它们，对于字符串也是如此。问题是从代码中获取正则表达式文字[没有 cmets 和字符串]。
在许多代码解析器中使用相同的算法：找到斜杠，然后找到下一个斜杠（如果它之前没有反斜杠），里面的所有字符都是正则表达式。对于我的目的来说，这已经足够好的算法了，/\/(.(?:[^\/])|\\)+\/[gmi]*/gi 似乎是正确的，但实际上并非如此。有什么问题？
谢谢巴特，我说服你绝对正确。这是一个复杂的问题，需要复杂的解决方案。